Groundwater in Crisis? Addressing Groundwater Challenges in Michigan (USA) as a Template for the Great Lakes
Notice bibliographique
Résumé
Groundwater historically has been a critical but understudied, underfunded, and underappreciated natural resource, although recent challenges associated with both groundwater quantity and quality have raised its profile. This is particularly true in the Laurentian Great Lakes (LGL) region, where the rich abundance of surface water results in the perception of an unlimited water supply but limited attention on groundwater resources. As a consequence, groundwater management recommendations in the LGL have been severely constrained by our lack of information. To address this information gap, a virtual summit was held in June 2021 that included invited participants from local, state, and federal government entities, universities, non-governmental organizations, and private firms in the region. Both technical (e.g., hydrologists, geologists, ecologists) and policy experts were included, and participants were assigned to an agricultural, urban, or coastal wetland breakout group in advance, based on their expertise. The overall goals of this groundwater summit were fourfold: (1) inventory the key (grand) challenges facing groundwater in Michigan; (2) identify the knowledge gaps and scientific needs, as well as policy recommendations, associated with these challenges; (3) construct a set of conceptual models that elucidate these challenges; and (4) develop a list of (tractable) next steps that can be taken to address these challenges. Absent this type of information, the sustainability of this critical resource is imperiled.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».